人工智能-基础

支持向量机是一类按监督学习方式对数据进行二元分类的广义线性分类器其决策边界是对学习样本求解的最大边距超平面（maximum-margin hyperplane） ，也被称为最大间隔分类器。

决策树是一种常见的机器学习方法，常用于分类问题，顾名思义，决策树是基于树结构来进行决策的，例如下面这颗在西瓜书中的一颗非常有辨识度的决策树。

回归，指研究一组随机变量 (Y1 ，Y2 ，…，Yi) 和另一组 (X1，X2，…，Xk) 变量之间关系的统计分析方法，回归分析是一种数学模型，当因变量和自变量为线性关系时，它是一种特殊的线性模型。

k-近邻（k-Nearest Neighbor，简称`KNN`）学习是一种常用的监督学习方法，其工作机制非常简单：给定测试样本，基于某种距离度量找出训练集中与其最靠近的k个训练样本，然后基于这k个“邻

对于模型的评估与选择过程中，通常我们会根据样本的错误率与输出误差判断模型的好坏，以做出决策。评估模型的优劣性时，我们可以通过数据集对模型进行测试误差进行评估，从而做出选择，我们需要对数据集进行划分。

机器学习就是一种机器处理问题使用拟人化方式的一种解决方案，通过自主性的学习问题处理方式来解决问题，在生活中，我们常常说的小红书、淘宝等厂家的大数据算法推荐，都是基于用户习惯进行学习，来给用户推荐最合适